线性回归（linear regression）

 基本形式

最小二乘法估计拟合参数

最小二乘法：基于均方误差最小化来进行模型求解的方法称为“最小二乘法”（least square method）

　　　　　　即（左边代表 $\mathbf{\omega }$ 和 b 的解）

为了计算的方便，可以把常数 b 看出一个特殊的值为 1 的 x 。

 将 $\mathbf{\omega }$ 和 b 吸收入向量形式

$X = \begin{pmatrix}
x_{11} &x_{12} &... &x_{1d} &1\\
x_{21} &x_{2} &... &x_{2d} &1\\
\vdots &\vdots &\ddots &\vdots &\vdots \\
x_{m1} &x_{m2} &... &x_{md} &1
\end{pmatrix} = \begin{pmatrix}
\mathbf{x_{1}^{T}}& 1\\
\mathbf{x_{2}^{T}}&1 \\
\vdots & \vdots \\
\mathbf{x_{m}^{T}}& 1
\end{pmatrix}$

线性回归（linear regression）

原文：https://www.cnblogs.com/zyb993963526/p/10463229.html